一种基于边界节点识别的复杂网络局部社区发现算法

在网络日益巨大化和复杂化的背景下,挖掘全局网络的社区结构代价较高。因此,基于给定节点的局部社区发现对研究复杂网络社区结构有重要的应用意义。现有算法往往存在着稳定性和准确性不高,预设定阈值难以获取等问题。该文提出一种基于边界节点识别的复杂网络局部社区发现算法,全面比较待合并节点的连接相似性进行节点聚类;并通过边界节点识别控制局部社区的规模和范围,从而获取给定节点所属社区的完整信息。在计算机生成网络和真实网络上的实验和分析证明,该算法能够自主挖掘给定节点所属的局部社区结构,有效地提升局部社区发现稳定性和准确率。

基于面翻转三维传感器网络边界节点识别算法

针对三维环境下的传感器网络边界节点识别问题,提出了一种基于面翻转的传感器网络边界节点分布式识别方法。算法在已知三个相邻边界节点的基础上,以三个相邻边界节点构成的三角形的各边为轴,以有限面积的面向网络外侧翻转,扫描到的第一个点为新的边界节点,该节点与翻转轴上的两个节点构建成新三角形,迭代上述过程,最终识别出边界节点,获取边界包络。实验结果表明,与Alpha-shape3D算法相比,所提算法能大大减少冗余边界节点。